We propose a fully dynamic bio-inspired parallel algorithm for solving the shortest path problem on dynamically changing graphs based on Physarum Solver, which is an amoeba shortest path algorithm. Although many sequential algorithms exist for solving dynamic shortest path problem, there are only few parallel algorithms, most of which identify the set of vertices affected by the dynamic changes. However, when the graph size becomes large, the process of determining affected vertices is time-consuming. In fact, when the percentage of changing edges is large, most of the studies in the literature are infeasible. The proposed algorithm is able to identify affected vertices and reconstruct them spontaneously in parallel. Moreover, it is designed to be suitable for dynamically changing graphs since it uses the information arising in earlier iterations. Thus, it computes effectively dynamic shortest path even if percentage of changing edges is large. At each iteration of the proposed algorithm, a sparse linear system of equations needs to be solved, which is the most time-consuming and challenging step of the algorithm especially when the problem size is large. We propose a parallel preconditioned iterative method for solving those sparse linear systems. The proposed preconditioner is specifically designed based on the properties of the coefficient matrix of those linear systems, and the effectiveness of the proposed preconditioner is compared against other state-of-the-art preconditioners on dynamic graphs. The proposed algorithm is evaluated using three different large graph models representing diverse real-life applications on a parallel multicore cluster. The parallel scalability of the proposed algorithm is compared against \({\varDelta }\)-stepping, which is the most representative parallel implementation of Dijkstra’s algorithm in the Parallel Boost Graph Library.

针对基于Physarum Solver的动态变化图，我们提出了一种完全动态的生物启发式并行算法来解决最短路径问题，这是变形虫最短路径算法。尽管存在许多解决动态最短路径问题的顺序算法，但只有很少的并行算法，其中大多数算法可识别受动态变化影响的一组顶点。但是，当图形大小变大时，确定受影响顶点的过程将很耗时。实际上，当变化的边缘的百分比很大时，文献中的大多数研究都是不可行的。所提出的算法能够识别受影响的顶点，并自发地并行重建它们。此外，它被设计为适合动态变化的图，因为它使用了早期迭代中产生的信息。因此，即使变化的边缘百分比很大，它也可以有效地计算动态最短路径。在提出的算法的每次迭代中，需要解决一个稀疏的线性方程组，这是算法中最耗时且最具挑战性的步骤，尤其是在问题规模较大时。我们提出了一种并行的预处理迭代方法来求解那些稀疏线性系统。拟议的预处理器是根据那些线性系统的系数矩阵的性质专门设计的，并且在动态图上将拟议的预处理器与其他最新的预处理器进行了比较。所提出的算法是使用三个不同的大型图形模型进行评估的，这些图形模型表示并行多核集群上的各种实际应用。将所提出算法的并行可扩展性与 这是算法中最耗时且最具挑战性的步骤，尤其是在问题规模较大时。我们提出了一种并行的预处理迭代方法来求解那些稀疏线性系统。拟议的预处理器是根据那些线性系统的系数矩阵的性质专门设计的，并且在动态图上将拟议的预处理器与其他最新的预处理器进行了比较。所提出的算法是使用三个不同的大型图形模型进行评估的，这些图形模型表示并行多核集群上的各种实际应用。将所提出算法的并行可扩展性与 这是算法中最耗时且最具挑战性的步骤，尤其是在问题规模较大时。我们提出了一种并行的预处理迭代方法来求解那些稀疏线性系统。拟议的预处理器是根据那些线性系统的系数矩阵的性质专门设计的，并且在动态图上将拟议的预处理器与其他最新的预处理器进行了比较。所提出的算法是使用三个不同的大型图形模型进行评估的，这些图形模型表示并行多核集群上的各种实际应用。将所提出算法的并行可扩展性与 拟议的预处理器是根据那些线性系统的系数矩阵的性质专门设计的，并且在动态图上将拟议的预处理器与其他最新的预处理器进行了比较。使用三个不同的大图形模型评估提出的算法，这些模型表示并行多核集群上的各种实际应用。将所提出算法的并行可扩展性与 拟议的预处理器是根据那些线性系统的系数矩阵的性质专门设计的，并且在动态图上将拟议的预处理器与其他最新的预处理器进行了比较。所提出的算法是使用三个不同的大型图形模型进行评估的，这些图形模型表示并行多核集群上的各种实际应用。将所提出算法的并行可扩展性与 使用三个不同的大图形模型评估提出的算法，这些模型表示并行多核集群上的各种实际应用。将所提出算法的并行可扩展性与 使用三个不同的大图形模型评估提出的算法，这些模型表示并行多核集群上的各种实际应用。将所提出算法的并行可扩展性与\（{\ varDelta} \）- stepping，这是Parallel Boost Graph库中Dijkstra算法的最有代表性的并行实现。